Nghiên cứu phương pháp phân tích và chẩn Đoán tái phát ung thư tuyến giáp sau Điều trị phẫu thuật cắt bỏ tuyến giáp sử dụng học sâu

Tuy nhiên, vẫn thiếu các nghiên cứu tập trung vàoviệc nhận diện và đánh giá mô tuyến giáp còn lại sau phẫu thuật bằng hình ảnh SPECT.Hình ảnh SPECT của mỗi người là khác nhau, khiến việc

ĐẠI HỌC QUỐC GIA HÀ NỘITRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Phạm Đức Thức

NGHIÊN CỨU PHƯƠNG PHÁP

PHÂN TÍCH VÀ CHẨN ĐOÁN TÁI PHÁT UNG THƯ TUYẾN GIÁP SAU ĐIỀU TRỊ PHẪU THUẬT CẮT BỎ TUYẾN GIÁP

SỬ DỤNG HỌC SÂU

Luận văn thạc sĩ

Ngành: Công nghệ thông tin

Hà Nội - 2024

ĐẠI HỌC QUỐC GIA HÀ NỘITRƯỜNG ĐẠI HỌC CÔNG NGHỆ

Phạm Đức Thức

NGHIÊN CỨU PHƯƠNG PHÁP

PHÂN TÍCH VÀ CHẨN ĐOÁN TÁI PHÁT UNG THƯ TUYẾN GIÁP SAU ĐIỀU TRỊ PHẪU THUẬT CẮT BỎ TUYẾN GIÁP

LỜI CẢM ƠN

Trước tiên, tôi xin gửi lời cảm ơn đến các thành viên và giảng viên tại AILAB vì sự giúp đỡ nhiệt tình và chia sẻ kiến thức trong các buổi họp hàng tuần Đây là nền tảng để tôi có thể tìm hiểu và học hỏi về đề tài của luận văn này Xin cảm ơn Tiến

sĩ Trần Quốc Long vì sự hỗ trợ tận tình, cung cấp tài liệu và hướng dẫn những kiến thức quan trọng giúp tôi hoàn thành luận văn này Cảm ơn các bác sĩ đã tham gia cùng nhóm để gán nhãn và xử lý bộ dữ liệu trong quá trình thí nghiệm.

Tiếp theo, tôi muốn cảm ơn bạn bè, người yêu và gia đình đã luôn ở bên, hỗ trợ

và động viên tôi trong mọi khía cạnh, giúp tôi có thêm động lực để hoàn thành tốt công việc quan trọng của luận văn Một lần nữa, tôi xin gửi lời cảm ơn chân thành Cảm ơn tất cả mọi người đã giúp đỡ trong suốt chặng đường vừa qua.

LỜI CAM KẾT

Tôi xin cam đoan rằng các báo cáo được nêu trong bài nghiên cứu này là kết quả từ quá trình nghiên cứu của riêng tôi với sự hỗ trợ từ các giảng viên trong nhóm Các tài liệu sử dụng để tham khảo và học tập đều được cung cấp miễn phí từ nhà xuất bản hoặc tác giả (chi tiết trong phần tài liệu tham khảo).

Một lần nữa, tôi xin hứa và chịu hoàn toàn trách nhiệm.

Hà Nội, 06 Tháng 11, 2024

Tác giả

Phạm Đức Thức

TÓM TẮT

Tóm tắt: Chụp cắt lớp phát xạ đơn photon (SPECT) được sử dụng để xác định liệu bệnhnhân có còn mô tuyến giáp sau phẫu thuật cắt bỏ hay không Quá trình chẩn đoán u ác tính(melanoma) thường mất khoảng một tuần, và việc đánh giá tình trạng mô tuyến giáp cònlại sau phẫu thuật cũng mất thời gian tương tự, dẫn đến việc bệnh nhân phải chờ đợi lâu đểnhận kết quả Chi phí của các loại xét nghiệm, bao gồm chụp quét, xét nghiệm máu và xétnghiệm giải phẫu bệnh, cũng khá cao đối với bệnh nhân Trong quá trình chẩn đoán, các bác

sĩ chủ yếu dựa vào kinh nghiệm và trực giác để phân tích và đánh giá kết quả, điều này làmcho việc chẩn đoán nhanh chóng và chính xác trở nên khó khăn và có thể dẫn đến sai sót.Trí tuệ nhân tạo đã có sự phát triển đáng kể trong những năm gần đây và ngày càngtrở nên phổ biến trong lĩnh vực y tế AI đã cho thấy tiềm năng trong việc phát hiện và điềutrị ung thư tuyến giáp, và nhiều nghiên cứu đã được thực hiện sử dụng Mạng Nơ-ron Tíchchập (CNN) cho chẩn đoán lâm sàng Tuy nhiên, vẫn thiếu các nghiên cứu tập trung vàoviệc nhận diện và đánh giá mô tuyến giáp còn lại sau phẫu thuật bằng hình ảnh SPECT.Hình ảnh SPECT của mỗi người là khác nhau, khiến việc phát triển một phương pháp đánhgiá chính xác sau phẫu thuật trở nên thách thức

Dựa trên thành công của mô hình mạng nơ-ron, luận văn phát triển một mô hình họcsâu dựa trên CNN nhằm giúp nhận diện và đánh giá tình trạng mô tuyến giáp còn lại củabệnh nhân sau phẫu thuật Luận văn cũng chứng minh rằng mô hình đề xuất đạt kết quảtốt trên dữ liệu thực tế thông qua 2 thí nghiệm: Chẩn đoán có hay không mô tuyến giápcòn lại trong cơ thể bệnh nhân bằng cách sử dụng hình ảnh và RSI, và Xác định mô tuyếngiáp Trong cả hai công việc trên, mô hình đề xuất đều đạt được kết quả như mong đợi khi

so sánh với đánh giá của bác sĩ

Tất cả mã nguồn có sẵn tại GitHub 1 2

1 https://github.com/thuc248997/uet-thyroid-detection

2 https://github.com/thuc248997/uet-thyroid-diagnosis

Mục Lục

1.1 Lý do chọn đề tài, mục đích nghiên cứu 1

1.2 Các khái niệm y học liên quan đến lĩnh vực ung thư tuyến giáp 4

1.2.1 Tuyến giáp 4

1.2.2 Các bệnh lý thừng gặp ở tuyến giáp 5

1.2.3 Ung thư tuyến giáp 6

1.2.4 Xạ hình tuyến giáp bằng máy SPECT 8

1.2.5 Quá trình xạ hình SPECT 10

1.2.6 Chỉ số đánh giá 10

1.3 Tự động phát hiện mô giáp còn dư và đánh giá tình trạng bệnh nhân sau phẫu thuật 15

1.3.1 Đặt vấn đề 15

1.3.2 Thách thức 15

1.4 Đóng góp 16

1.5 Cấu trúc luận văn 16

2 Nghiên cứu liên quan 18 2.1 Phương pháp học máy 18

2.2 Phương pháp học sâu 19

3 Tự động phát hiện mô giáp còn dư và đánh giá tình trạng bệnh nhân sau phẫu thuật 23 3.1 Phân loại mô tuyến giáp còn sót lại sau phẫu thuật cắt bỏ tuyến giáp 23

3.1.1 Các vấn đề 23

3.1.2 Mô hình phân loại để chẩn đoán mô tuyến giáp còn sót 23

3.2 Phát hiện mô tuyến giáp còn sót lại 28

3.2.1 Các vấn đề 28

3.2.2 Mối quan hệ không gian của các mô hình dựa trên CNN truyền thống 29 3.2.3 Mô hình phát hiện mô tuyến giáp tồn dư 30

3.2.4 Mô hình Hồi quy Logistic chẩn đoán mô tuyến giáp tồn dư bằng RSI 37 3.2.5 Các chỉ số mới đề xuất trong phát hiện tuyến giáp 39

4 Các thí nghiệm 40 4.1 Dữ liệu 40

4.1.1 Xây dựng bộ dữ liệu 40

4.1.2 Phân tích tập dữ liệu 41

4.2 Tiền xử lý dữ liệu 41

4.2.1 Chẩn đoán tình trạng mô tuyến giáp còn dư 41

4.2.2 Phát hiện mô tuyến giáp còn sót lại 44

4.3 Thiết lập thí nghiệm 45

4.3.1 Chẩn đoán mô tuyến giáp còn sót lại 45

4.3.2 Phát hiện mô tuyến giáp còn sót lại 46

4.4 Các khung công nghệ sử dụng 48

4.4.1 Wandb 48

4.4.2 Hydra 49

4.5 Kết quả thí nghiệm 49

4.5.1 Chẩn đoán mô tuyến giáp còn sót lại 49

4.5.2 Phát hiện mô tuyến giáp còn sót lại 53

5 Tổng kết 58 5.1 Các vấn đề được giải quyết trong luận văn 58

5.2 Hướng cải tiến trong tương lai 59

Danh sách hình ảnh

1.1 Minh họa vị trí tuyến giáp [24] 5

1.2 Chuyển hóa Iod trong cơ thể [9] 6

1.3 Minh họa ung thư tuyến giáp [8] 7

1.4 Quy trình khám định kỳ tại bệnh viện 11

1.5 Mẫu đường cong với 11 điểm nội suy sử dụng hồi đáp và độ chính xác của khung chứa dự đoán [14] 13

1.6 Bảng ví dụ minh họa cách xây dựng cặp giá trị hồi đáp và độ chính xác để tạo đường cong PR 14

2.1 Quy trình chung của phương pháp học máy trong phân loại và chẩn đoán bệnh tuyến giáp [7] 19

2.2 Ảnh hưởng của cân bằng histogram đến việc nâng cao chất lượng hình ảnh SPECT [10] 21

3.1 Trình tự của phương pháp được đề xuất trong luận văn bao gồm bốn giai đoạn liên tiếp, mỗi giai đoạn bao gồm nhiều quy trình, tạo thành một giải pháp end-to-end 24

3.2 Huấn luyện trên CIFAR 10 Vấn đề suy giảm: mạng sâu hơn có lỗi huấn luyện cao hơn, dẫn đến lỗi kiểm tra cao hơn [13] 26

3.3 Học dựa trên dư: một khối cấu trúc [13] 27

3.4 Quy trình xử lý dữ liệu đề xuất 30

3.5 Quy trình phát hiện mô tuyến giáp tồn dư đề xuất 31

3.6 Hộp giới hạn thực tế của vị trí vai và cổ; (a) là trường hợp loại bỏ mô thànhcông; (b) là trường hợp loại bỏ mô không thành công và do đó có mô tuyếngiáp tồn dư 33

4.2 Hiệu quả của cân bằng histogram trong việc cải thiện hình ảnh SPECT đượcminh họa trong hai hình ảnh Hình bên trái hiển thị hình ảnh SPECT vàhistogram của chúng trước khi áp dụng cân bằng histogram, trong khi hìnhbên phải hiển thị cùng nội dung Sự khác biệt rõ ràng: cân bằng histogramtăng cường độ tương phản bằng cách tạo ra một histogram đồng đều hơn 43

4.3 Ảnh hưởng của việc tăng độ sáng với các hệ số độ sáng khác nhau 45

4.4 Đường cong ROC thử nghiệm với các mô hình khác nhau ((a)) Đường congROC thử nghiệm từ tập dữ liệu ANT-POST ((b)) Đường cong ROC thửnghiệm từ tập dữ liệu ANT-HN-POST 50

4.5 Các mẫu sai do ResNet50 huấn luyện trên tập ANT-POST ((a)) Âm tính giảvới độ tin cậy 94,30% ((b)) Âm tính giả với độ tin cậy 99,91% ((d)) Dươngtính giả với độ tin cậy 77,65% ((c)) Dương tính giả với độ tin cậy 88,39% 51

4.6 Mô hình đã đưa ra các dự đoán về các vùng còn dư của từng mẫu bằng cáchtập trung vào các khu vực quan tâm cụ thể trong Hình 4.5 ((a), (b)) là cáctrường hợp dương tính giả tương ứng với ((a), (b)) ((c), (d)) là các trườnghợp âm tính giả tương ứng với ((d), (c)) 52

4.7 Biểu đồ hộp trên thang log của RSI 53

4.8 Các trường hợp kháng mà mô hình không chẩn đoán chính xác Cả hai hìnhảnh đều là các trường hợp dương tính nhưng bị dự đoán âm tính bởi mô hình 54

4.9 Hình ảnh trực quan kết quả phát hiện sử dụng các mô hình khác nhau Hộp

đỏ là nhãn thực tế do bác sĩ gán; hộp xanh là hộp dự đoán của mô hình 56

Danh sách bảng

1 Danh mục các từ viết tắt và ý nghĩa (Phần 1) xi

2 Danh mục các từ viết tắt và ý nghĩa (Phần 2) xii

4.1 Huấn luyện cả các trường hợp nghi ngờ và không nghi ngờ trong phần lớnnghi ngờ của tập dữ liệu ANT-POST Chỉ có các trường hợp đáng ngờ trongtập dữ liệu ANT-HN-POST 41

4.2 Cấu hình tham số huấn luyện 45

4.3 Cấu hình của từng mô hình trong các thí nghiệm của chúng tôi 47

4.4 Các mô hình và mức độ sáng được sử dụng để kiểm tra tác động của các mức

độ sáng khác nhau và khả năng nắm bắt mối quan hệ không gian của các môhình khác nhau 47

4.5 Đánh giá hiệu suất của các mô hình khác nhau trên tập dữ liệu ANT-POST

và ANT-HN-POST 49

4.6 So sánh hiệu suất phát hiện của các mô hình khi đánh giá mAP@0.5 với sốlượng kênh độ sáng khác nhau trong các ảnh đầu vào, trong đó 1 mức độ sángtương ứng với hình ảnh gốc không có tăng cường độ sáng 55

4.7 So sánh hiệu suất chẩn đoán sử dụng chỉ số đề xuất của chúng tôi và chỉ

số thông thường với 4 mức độ sáng và phương pháp truyền thống sử dụngResNet-50 57

THUẬT NGỮ

Từ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt

AI Artificial Intelligence Trí tuệ nhân tạo

AUC Area Under the Curve Diện tích dưới

đường cong

CAD or CADx Computer-aided Diagnosis Chẩn đoán có sự hỗ trợ

từ máy tính CNN Convolutional Neural Network Mạng nơron tích chập

CT Computed Tomography Chụp cắt lớp máy tính DETR Detection Transformer Mô hình phát hiện

Transformer DCPX Radiopharmaceuticals Dược chất phóng xạ

DICOM Digital Imaging and Communications Tiêu chuẩn để xử lý, lưu trữ,

in Medicine in ấn và truyền tải ảnh

trong y tế

HE Histogram Equalization Cân bằng biểu đồ

mAP Mean Average Precision Chỉ số độ chính xác

trung bình MRI Magnetic Resonance Imaging Tạo ảnh cộng hưởng

từ hạt nhân Bảng 1: Danh mục các từ viết tắt và ý nghĩa (Phần 1)

Từ viết tắt Nghĩa tiếng Anh Nghĩa tiếng Việt

PET Positron Emission Tomography Chụp cắt lớp phát xạ positron

RSI Radioiodine Scan Index Chỉ số quét Iod phóng xạ

SEN Sensitivity (or Recall) Độ nhạy (hay độ phủ)

SPE Specificity (Precision) Độ đặc hiệu (hay độ chuẩn xác) SPECT Single Photon Emission Computed Tomography Chụp cắt lớp phát xạ đơn photon

TBH Differentiated Thyroid Cancer Ung thư tuyến giáp thể biệt hóa

TNR True Negative Rate Tỷ lệ âm tính thật hay độ nhạy

TSH Thyroid-Stimulating Hormone Hormon kích thích tuyến giáp

WB or WSB Whole Body or Whole Scan Body Toàn thân

ATA American Thyroid Association Hiệp hội tuyến giáp Hoa Kỳ

Bảng 2: Danh mục các từ viết tắt và ý nghĩa (Phần 2)

Chương 1: Giới Thiệu

Ngày nay, cùng với sự phát triển của xã hội, ung thư vẫn luôn là mối quan tâm trên toàncầu Theo thống kê của tổ chức ung toàn cầu Global Cancer Observatory (GCO) năm 2020,tình hình mắc và tử vong do ung thư trên toàn thế giới đều có xu hướng tăng [5] Tại ViệtNam, ước tính có 182.563 ca mắc mới và 122.690 ca tử vong do ung thư Cứ 100.000 ngườithì có 159 người chẩn đoán mắc mới ung thư và 106 người tử vong do ung thư Hiện nay, chỉ

có 185/204 quốc gia có báo cáo thống kê cho GCO về tình hình bệnh ung thư Năm 2020,Việt Nam xếp thứ 91/185 về tỷ suất mắc mới và thứ 50/185 về tỷ suất tử vong trên 100.000người Thứ hạng này tương ứng của năm 2018 là 99/185 và 56/185 Như vậy, có thể thấy làtình hình mắc mới và tử vong do ung thư ở Việt Nam đều đang tăng nhanh Tình hình nàycũng tương tự với nhiều quốc gia trên thế giới, trong đó có các quốc gia phát triển như Anh,Pháp, Ý, Nhật Bản, Hàn Quốc, Thái Lan, Hoa Kỳ

Ung thư tuyến giáp là căn bệnh ác tính phổ biến nhất chiếm hơn 90% trong tổng sốbệnh nhân mắc các bệnh ung thư về tuyến nội tiết[4] Hiện tại, ung thư tuyến giáp xếp thứ

9 trong các loại ung thư phổ biến nhất Việt Nam với hơn 5.400 ca mắc mới nhưng may mắn,đây là loại ung thư có tỉ lệ chữa khỏi cao Ung thư tuyến giáp hoàn toàn có thể điều trịthành công nếu được phát hiện ở giai đoạn sớm, tiên lượng dành cho người bệnh ung thưtuyến giáp tốt hơn so với những loại ung thư khác Thời gian gần đây, số lượng bệnh nhânđến khám, điều trị ung thư tuyến giáp tại tại các cơ sở y tế chuyên sâu như Bệnh viện trungương quân đội 108, bệnh viện K có xu hướng tăng lên Tại khoa y học hạt nhân, bệnhviện trung ương quân đội 108 đến nay đã có tới gần 30.000 bệnh nhân ung thư tuyến giápđược theo dõi, điều trị tại khoa và co xu hương tăng do nhu cầu, sự hiểu biết của bệnh nhânluôn chọn các cơ sở chất lượng cao, với đội ngũ bác sĩ chuyên môn tốt, trang thiết bị hiện đạinhất khu vực đông nam á Được đánh giá là một trong những cơ sở y học hạt nhân hàng đầu

có uy tín trong nước và quốc tế Ung thư tuyến giáp có thể chia làm hai nhóm khác nhau đó

là ung thư tuyến giáp thể biệt hóa và ung thư tuyến giáp thể không biệt hóa Ung thư tuyếngiáp thể biệt hóa chiếm tỷ lệ trên 97% các loại ung thư tuyến giáp bao gồm thể nhú (chiếm90%), thể nang (chiếm 4.5%) và thể tế bào Hurthle[15] Phác đồ điều trị phụ thuộc vào thểbệnh, giai đoạn bệnh và yếu tố nguy cơ tái phát Các phương pháp điều trị chính bao gồmphẫu thuật, điều trị diệt mô giáp bằng được chất phóng xạ I-131 theo hướng dẫn của hiệphội tuyến giáp hoa kỳ ATA năm 2015[12].

Xạ hình tuyến giáp với I-131 bằng máy SPECT (máy chụp cắt lớp phát xạ đơn photon)

và máy SPECT/CT (máy chụp cắt lớp phát xạ đơn kèm cắt lớp điện toán) là một phươngpháp chẩn đoán có giá trị để phát hiện mô giáp còn lại sót lại sau phẫu thuật Từ đặc điểm

tế bào tuyến giáp có khả năng hấp thụ Iod rất tốt, thiết bị chụp được sử dụng để tạo ảnh sựphân bố dược chất phóng xạ I-131 và từ đó giúp cho các bác sĩ có thể đánh giá các mô giápcòn sót lại sau phẫu thuật để có thể đưa ra liệu pháp điều trị phù hợp Với kỹ thuật chụpbằng SPECT/CT có ưu điểm khi kết hợp cả hình ảnh giải phẫu CT để đánh giá chính xác

và trực quan được tuyến giáp, tuy nhiên kỹ thuật này cũng có nhiều vấn đề như: khi kết hợpvới CT, điều kiện phòng để đặt máy cũng phải đảm bảo an toàn bức xạ (phòng chụp phảiphủ quanh phòng bằng chì dày 5mm) và đảm bảo tính toán thiết kế theo quy định Điều 7Thông tư số 19/2012/TT-BKHCN ngày 18/11/2012 của bộ trưởng Bộ Khoa học và Côngnghệ quy định về kiểm soát và bảo đảm an toàn trong chiếu xạ nghề nghiệp và chiếu xạ côngchúng và phải bảo đảm mức liều bức xạ tiềm năng của môi trường làm việc trong thực tế.Điều này cũng khiến cho giá thành của một ca chụp SPECT/CT cao hơn chụp SPECT lênđến 80% Hơn nữa, kỹ thuật chụp SPECT/CT cũng khiến cho bệnh nhân phải chịu hai liềuchiếu (Chiếu xạ trong SPECT và chiếu xạ ngoài CT)

Với tình hình như vậy, luận án lựa chọn sử dụng hình ảnh xạ hình trước điều trị đốivới bệnh nhân đã phẫu thuật tuyến giáp từ máy chụp SPECT (sau đây được gọi ngắn gọnlà: xạ hình SPECT tuyến giáp) với những lý do sau: tỷ lệ máy SPECT và SPECT/CT là4/1 tại các cơ sở y tế tuyến trung ương, 4/0 tại các cơ sở y tế tuyến địa phương Tại các cơ

sở y học hạt nhân trên thế giới hiện nay như Hàn quốc, Mỹ và các nước Châu âu thì tỷ lệmáy SPECT với SPECT/CT cũng tương tự như tại Việt nam Vì vậy giá thành của một lầnchụp SPECT so với chụp SPECT/CT do chi phí thiết bị, lắp đặt thấp hơn rất nhiều Bệnhnhân không phải chịu liều chiếu ngoài CT gây ra những bệnh lý do ion hoá gây ra bởi tia X.Tuy nhiên, với kỹ thuật chẩn đoán dựa trên các ảnh xạ hình SPECT tuyến giáp nàyhoàn toàn phụ thuộc vào trình độ chuyên môn và kinh nghiệm của bác sĩ trong việc phân tíchhình ảnh SPECT theo các chuẩn hóa về thang đo độ xám trên ảnh đơn sắc Trong một sốtrường hợp kết quả chẩn đoán có thể bị sai khác do chất lượng hình ảnh chụp không rõ ràng

ảnh hưởng bởi sự hấp thụ dược chất phóng xạ của bệnh nhân là khác nhau gây ra những saisót trong đọc kết quả của bác sĩ dẫn đến việc điều trị không hiệu quả, điều này cũng ảnhhưởng đến sức khỏe của bệnh nhân.

Một trong những giải pháp tăng chất lượng hình ảnh nhằm giảm thiểu các sai sót chủquan và hỗ trợ các bác sĩ có thể chẩn đoán được chính xác hơn khi đọc các ảnh y tế đó là

sử dụng các kỹ thuật chẩn đoán có sự hỗ trợ của máy tính (CAD) Ngày ngay các hệ thốngCAD đã được ứng dụng để cải thiện độ chính xác của việc chẩn đoán cho các mặt bệnh khácnhau Một trong các hướng nghiên cứu rất phổ biến khi ứng dụng CAD đó chính là ứng dụngtrí tuệ nhân tạo (AI) trong hỗ trợ chẩn đoán như sử dụng các thuật toán học máy (machinelearning) trong nhận dạng bệnh các mặt bệnh ung thư[8] Hiện đã có nhiều nghiên cứu sửdụng mạng học sâu (deep learning) một dạng cụ thể của kỹ thuật học máy để nhận dạng

và phân loại khối u trên các ảnh chụp cắt lớp máy tính (CT) hoặc cộng hưởng từ hạt nhân(MRI) Tuy nhiên, ở Việt nam số lượng máy SPECT cũng như dữ liệu về ảnh SPECT cònrất nhiều, việc ứng dụng CAD vào trong hỗ trợ chẩn đoán ung thư tuyến giáp (UTTG) vẫncòn rất mới Các nhóm nghiên cứu tại Việt nam đa số ứng dụng CAD trên những bộ dữ liệuảnh CT, MRI, Siêu âm Chưa thấy công trình nghiên cứu nào đề cập tới sử dụng ảnh xạ hìnhSPECT sau phẫu thuật ứng dụng học máy để chẩn đoán và điều trị bệnh nhân UTTG Gầnđây có một nghiên cứu của tác giả Nguyễn Thành Trung năm 2020 với nội dung: “Về một bộ

dữ liệu xạ hình tưới máu cơ tim phục vụ việc xây dựng, đánh giá các mô hình học máy dòtìm tổn thương cơ tim” cũng sử dụng hình ảnh xạ hình SPECT để nâng cao đánh giá chẩnđoán và điều trị các bệnh lý về tim mạch Còn trên thế giới đã có những nhóm nghiên cứu vềhình ảnh xạ hình như: nhóm nghiên cứu của Yang đã phát triển ứng dụng trí tuệ nhân tạodựa trên mô hình Resnet50 đối với các ảnh xạ hình tuyến giáp 99mTc để phân biệt nguyênnhân gây nhiễm độc giáp trong các tình huống chăm sóc sức khỏe[26] Nhóm nghiên cứu củaQiao và cộng sự đã xây dựng một mô hình học sâu để hỗ trợ chẩn đoán bệnh tuyến giáp từ

bộ dữ liệu hình ảnh xạ hình tuyến giáp [6] Giới hạn của hai nghiên cứu này là chỉ ra bệnhnhân có bệnh hay không có bệnh trước phẫu thuật cắt bỏ tuyến giáp Duy nhất tới thời điểmtiến hành nghiên cứu có một nhóm của Guo và cộng sự được đăng trên tạp trí khoa học uytín “Frontiers in Oncology” năm 2021 đã đề xuất ứng dụng mô hình ResNet18 để phân loại

và chẩn đoán mô tuyến giáp còn sót lại trong ảnh xạ hình SPECT sau phẫu thuật[10] Đây

là nghiên cứu đầu tiên tại thời điểm đó đi sâu đánh giá về ứng dụng học máy trong hỗ trợchẩn đoán mô giáp còn sót lại sau phẫu thuật dựa trên bộ dữ liệu xạ hình SPECT tuyếngiáp Năm 2024 nhóm nghiên cứu Maythinee Chantadisai và cộng sự đã đề xuất kết hợp chỉ

số lâm sàng và các đặc trưng hình ảnh phóng xạ Radiomics để dự đoán điều trị bằng I-131,

để xoá mô giáp còn sót lại sau phẫu thuật thành công hay không trên 130 bệnh nhân ung

thư biểu mô tuyến giáp thể nhú có nguy cơ thấp[8] Hầu hết các bộ dữ liệu này với số lượngchưa đủ lớn để đưa vào mô hình huấn luyện học máy, để minh chứng tính xác thực của chấtlượng mô hình hoạt động Và quan trọng hơn nữa là dữ liệu không được công khai hay côngkhai không tập trung Các cơ sở dữ liệu này của bệnh nhân nước ngoài để đưa vào đánh giácác tham số đặc trưng Cũng là một trong những hạn chế đáng kể khi tiến hành ứng dụngtrí tuệ nhân tạo (AI) trong nhận dạng ung thư tuyến giáp đối với người Việt Nam do mỗichủng người có những đặc điểm riêng và cần có bộ cơ sở dữ liệu phù hợp để đánh giá Do đóviệc xây dựng bộ cơ sở dữ liệu đủ lớn, đủ tin cậy từ thực tế bệnh nhân của người Việt nam

là hết sức cần thiết để có thể đẩy mạnh việc ứng dụng CAD vào việc hỗ trợ chẩn đoán bệnhung thư tuyến giáp tại nước ta hiện nay Bộ dữ liệu xây dựng được về ảnh xạ hình SPECTtuyến giáp sau phẫu thuật tại khoa y học hạt nhân - Bệnh viện trung ương Quân đội 108,

dữ liệu mang tính tin cậy và có độ chuẩn hoá cao trên cơ sở đã có những luận án hoàn thiệncủa bác sĩ Ngô Thị Minh Hạnh năm 2020, bác sĩ Bùi Quang Biểu năm 2020, bác sĩ NguyễnThị Lan Hương năm 2023 đều nghiên cứu về bệnh nhân điều trị sau phẫu thuật[19][20][3]

Bộ dữ liệu này có ý nghĩa khoa học cao khi được ứng dụng cho các mô hình học máy nhằm

hỗ trợ nâng cao độ chính xác trong chẩn đoán và hiệu quả điều trị đối với các bệnh nhânung thư tuyến giáp còn sót mô giáp sau phẫu thuật Trên cơ sở bộ dữ liệu được xây dựngtác giả tập trung xây dựng mô hình học máy, học sâu để tăng cường chất lượng ảnh nhằm

hỗ trợ chẩn đoán và điều trị cho bệnh nhân ung thư tuyến giáp thể biệt hoá sau phẫu thuật

Tuyến giáp nằm ở trước trên của khí quản, ngay dưới sụn giáp, trải rộng sang hai bên

về phía trên và phía dưới (Hình 1.1) [24] Thùy tháp kéo dài về phía xương móng và là dấutích của ống giáp lưỡi Ở thời kỳ phôi thai, tuyến giáp có nguồn gốc túi hầu và di chuyển

Hình 1.1: Minh họa vị trí tuyến giáp [ 24 ]

xuống dưới, vì vây, mô giáp lạc chỗ có thể ở bất cứ nơi nào từ lỗ tịt (foramen caecum) ở gốclưỡi cho đến cơ tim Tuyến giáp người trưởng thành nặng khoảng 15-20g Tuyến bao gồmnhiều nang giáp to nhỏ khác nhau được bao phủ bằng các tế bào biểu mô nang hình lậpphương hoặc hình trụ Các tế bào này tiết ra chất keo ở lòng nang tuyến Trong lượng củachất keo (colloid) chiếm khoảng 50 – 75% trọng lượng tuyến giáp

1.2.2 Các bệnh lý thừng gặp ở tuyến giáp

Iod cần thiết cho việc tổng hợp hormone giáp Hơn 90% lượng Iod được hấp thu sau khi

ăn 60 phút và phân bố trong máu dưới dạng ion ngoại bào tương tự như chloride Khoảng20% lượng Iod này được giữ lại tuyến giáp và 80% còn lại được thải qua nước tiểu Một số

ít bắt giữ tại tuyến nước bọt và niêm mạc của dạ dày sau đó được đào thải theo ống tiêuhóa Tế bào nang giáp bắt giữ Iod qua “bơm tuyến giáp” NaI năng lượng cao Các bơm này

có thể tập trung nồng độ Iodide nội bào cao gấp 25 – 500 lần nồng độ Iodide trong huyếttương Việc bắt giữ Iod có thể bị ức chế cạnh tranh hoàn toàn bởi một số các ion âm đơnhóa trị như perchlorate Ở tuyến giáp bình thường, quá trình tổng hợp nhanh chóng diễn rasau quá trình bắt giữ (trapping) Iod [9] Iodide được oxi hóa bởi men thyroid peroxidase cótrong chất keo (colloid) của tế bào nang giáp tạo nên các Iod trung tính, sau đó được gắnvới tyrosine còn lại trong thyroglobulin Các mono- và di- Iod tyrosines (MIT, DIT) gắn vớinhau tạo thành T3, T4 và được dự trữ trong nang tuyến Quá trình tổng hợp này có thể bị

ức chế hoàn toàn bởi một số thuốc như PTU và methimazole

Tế bào biểu mô nang tuyến giáp bắt giữ Iod từ huyết tương thông qua bơm của tuyếngiáp và hữu cơ hóa Iod Các Iodotyrosine liên kết với nhau tạo thành T3 và T4 được gắn

Hình 1.2: Chuyển hóa Iod trong cơ thể [ 9 ]

với thyroglobulin và dự trữ trong lòng nang giáp dưới dạng keo cho đến khi được giải phóngvào huyết tương dưới xúc tác của các men thuỷ phân protein Hormon kích thích tuyến giáp(TSH) khởi động bắt giữ Iod, hữu cơ hoá cũng như quá trình giải phóng hormone giáp vàomáu thông qua quá trình thủy phân thyroglobulin Thyroglobulin bình thường không thểvào máu được trừ khi mắc một số trường hợp bệnh lý như viêm tuyến giáp hoặc ung thưtuyến giáp Tuyến giáp bình thường có thể cung cấp hormone đáp ứng nhu cầu của cơ thểtrong 1 tháng Chính vì vậy các thuốc kháng giáp tổng hợp không thể phát huy hoàn toàntác dụng cho đến khi lượng hormone dự trữ trong tuyến giáp được tiêu thụ hết Cơ chế ứcchế ngược tuyến giáp - tuyến yên rất nhạy với nồng độ hormone giáp trong huyết thanh và

là cơ chế chính điều chỉnh bài tiết TSH Khi nồng độ hormone giáp tăng thì nồng độ TSHhuyết thanh giảm và ngược lại Phần lớn lượng hormone được giải phóng là T4 và được vậnchuyển đến các mô ngoại vi thông qua các TBP (thyroid-binding proteins) và được chuyểnthành dạng T3 có hoạt tính chuyển hoá mạnh hơn tại tổ chức ngoại vi Iod là thành phầngiúp tuyến giáp tổng hợp hormon tuyến giáp nên thừa hay thiếu Iod có thể là nguyên nhândẫn tới 1 số bệnh lý tuyến giáp như: Suy giáp, cường giáp và ung thư tuyến giáp

1.2.3 Ung thư tuyến giáp

Ung thư tuyến giáp xảy ra khi những tế bào bình thường ở tuyến giáp biến đổi thành những

tế bào bất thường và phát triển không tuân theo sự kiểm soát của cơ thể (Hình 1.3).Ung thư tuyến giáp là loại bệnh lý ác tính của hệ nội tiết ngày càng phổ biến trên thếgiới, chiếm tỷ lệ 5,1% các bệnh ung thư và đứng thứ năm trong các loại ung thư thường gặp

Hình 1.3: Minh họa ung thư tuyến giáp [ 8 ]

ở nữ giới Năm 2020 trên thế giới ước tính có khoảng 586.202 ca ung thư tuyến giáp mớiđược chẩn đoán và 43.646 ca tử vong do ung thư tuyến giáp Tần suất mắc bệnh thay đổitùy theo vùng địa lý, lứa tuổi và giới tính Tần suất mắc bệnh ở nữ giới (10,1/100.000) caogấp ba lần ở nam giới (3,1/100.000) Tại Việt Nam, ung thư tuyến giáp đứng thứ tám trongcác loại ung thư thường gặp ở cả hai giới và đứng thứ sáu trong các loại ung thư thường gặp

ở nữ giới Năm 2018 ước tính có 5.418 ca mới mắc bệnh ung thư tuyến giáp, trong đó nữ giớichiếm 4/5 với 4.538 ca và chỉ có 528 ca tử vong do ung thư tuyến giáp Tần suất mắc bệnh

ở nữ giới 9,3/100.000 dân, ở nam giới là 1,8/100.000 dân, tỷ lệ nữ/nam là 5/1

Một số yếu tố nguy cơ của ung thư tuyến giáp bao gồm: tuổi cao, nữ giới, di truyền,tiền sử bị chiếu xạ, bị các bệnh lý tuyến giáp (bướu, nhân giáp, viêm tuyến giáp) Theo phânloại mô bệnh học, ung thư tuyến giáp được chia thành ba thể chính được sử dụng trong thựchành lâm sàng và nghiên cứu gồm: (1) ung thư tuyến giáp thể biệt hóa (bao gồm ung thưthể nhú và thể nhú nang, thể tế bào Hurthle) chiếm trên 97%, trong đó ung thư tuyến giápthể nhú chiếm 90%, thể nang chiếm 4,5%; (2) ung thư tuyến giáp thể tuỷ (1,7%) và (3) ungthư tuyến giáp thể không biệt hoá (0,8%) [15] [11]

Ung thư tuyến giáp thể biệt hoá là dạng phổ biến và chiếm tỷ lệ cao nhất trong cácbệnh về ung thư tuyến giáp nói chung Bệnh xảy ra do các tế bào tuyến giáp hoạt động vàphát triển bất thường Từ đó, tạo điều kiện để các tế bào ung thư tiến triển và hình thànhnên các khối u ác tính tại tuyến giáp Tuy nhiên, ung thư thể biệt hóa được tạo thành bởicác tế bào ung thư có tính biệt hóa tốt, nên tiến triển khá chậm và có tiên lượng tương đốitốt Có 3 dạng ung thư thể biệt hóa Cụ thể:

• Thể nhú: Là loại ung thư chiếm khoảng 90% trong số bệnh nhân mắc ung thư tuyếngiáp Tốc độ tiến triển của ung thư tuyến giáp thể nhú tương đối chậm và vị trí di căn

ở các cơ quan gần.

• Thể nang: Ung thư tuyến giáp thể nang chiếm tỷ lệ 4.5% số bệnh nhân mắc ung thưtuyến giáp Bệnh có khả năng phát triển nhanh hơn so với ung thư tuyến giáp thể nhú.Khả năng di căn của bệnh tới các cơ quan xa khá cao, gây nguy hiểm cho người bệnh

• Thể hỗn hợp: Đây là loại hiếm gặp trong ung thư tuyến giáp với thể biệt hóa Vì loạiung thư này có cả những mầm bệnh của thể nhú và thể nang nên tiên lượng bệnh khôngđược tốt Bệnh phát triển nhanh và khả năng di căn xa [3][20][19]

Có nhiều phương pháp điều trị ung thư tuyến giáp khác nhau dựa vào các yếu tố: môbệnh học, vị trí, kích thước, số lượng, mức độ xâm lấn của u, tình trạng di căn bác sĩ sẽ chỉđịnh bệnh nhân ung thư tuyến giáp một hoặc nhiều phương pháp điều trị phù hợp Điều trịung thư tuyến giáp thể biệt hoá phổ biến là phẫu thuật cắt bỏ các tổn thương tuyến giáp cókích thước lớn hơn 4 cm và xuất hiện có vi vôi hoá tại khối u Tuy nhiên phẫu thuật cắt bỏtuyến giáp đơn thuần sẽ không giải quyết được các trường hợp có di căn vào xương, phổi ,nên không loại bỏ hết được các tổ chức tuyến giáp bình thường Nếu còn sót lại một phầnnhu mô giáp sẽ tiết không đủ hormone theo nhu cầu cơ thể sẽ dẫn đến kích thích tuyến yêntiết một loại chất kích thích ung thư tuyến giáp phát triển trở lại Do đó sau phẫu thuậtthông thường ung thư tuyến giáp thể biệt hoá phải được điều trị bằng dược chất phóng xạ(DCPX) như I-131 Mục đích sử dụng dược chất phóng xạ để hủy hết các tổ chức tuyến giápcòn sót sau phẫu thuật cắt bỏ toàn bộ tuyến giáp và điều trị các di căn

1.2.4 Xạ hình tuyến giáp bằng máy SPECT

Trong thực tế lâm sàng, nhiều phương pháp có thể được sử dụng để chẩn đoán ung thư tuyếngiáp như khám lâm sàng, xét nghiệm máu, xét nghiệm hormone tuyến giáp (TSH), sinh thiết.Một trong các phương pháp quan trọng và phổ biến hiện nay là phương pháp phân tích hìnhảnh dựa trên việc thu nhận hình ảnh xạ hình tuyến giáp Đây là phương pháp chẩn đoángiúp có thể đánh giá tuyến giáp trước và sau điều trị ung thư tuyến giáp

Xạ hình tuyến giáp là phương pháp rất có giá trị trong chẩn đoán các bệnh về tuyếngiáp Năm 1952 Allen H và Goodwin W là những người đầu tiên dùng đồng vị phóng xạ đểghi hình tuyến giáp Sau đó, phương pháp này ngày càng được hoàn thiện và áp dụng rộngrãi trong lâm sàng Xạ hình (ghi hình, chụp hình) tuyến giáp dựa trên khả năng bắt Iod của

mô tuyến giáp với nồng độ cao và giữ một thời gian đủ dài trong tuyến giáp để có thể ghiđược hình ảnh tuyến giáp sau khi cơ thể được đưa một lượng dược chất phóng xạ Iod Đểghi hình chẩn đoán u tuyến giáp thường sử dụng các dược chất đồng vị phóng xạ như I-131,

I-123, Tc-99m Ngoài ra, có thể ghi hình u tuyến giáp với một số đồng vị phóng xạ khác như67Ga, 201Tl Mỗi loại đồng vị phóng xạ sẽ có ưu và nhược điểm khác nhau và được lựa chọnphù hợp với mục đích chẩn đoán cụ thể.

I-131 là đồng vị phóng xạ dùng để ghi hình tuyến giáp có mức năng lượng khá cao làmcho hình ảnh bị nhiễu và thời gian bán hủy vật lý khá dài tạo liều chiếu xạ cao cho bệnhnhân Xạ hình tuyến giáp với I-131 thường chỉ định để đánh giá chức năng của tuyến giáp,theo dõi điều trị sau phẫu thuật hoặc sau điều trị bằng I-131 ở bệnh nhân ung thư tuyếngiáp thể biệt hóa

I-123 là đồng vị phóng xạ phát tia gamma đơn thuần với mức năng lượng phù hợp đểghi, đo và thời gian bán hủy vật lý ngắn là chất lý tưởng để ghi hình tuyến giáp Do I-123được sản xuất bằng máy gia tốc vòng (Cyclotron) nên không có sẵn và tương đối đắt tiền,

vì vậy chưa được sử dụng rộng rãi trong lâm sàng Chủ yếu vẫn dùng I-131 để dùng trongchẩn đoán trước điều trị và sau điều trị loại bỏ mô giáp còn sót lại sau phẫu thuật

Tc-99m là đồng vị phóng xạ được dùng để ghi hình tuyến giáp do tuyến giáp cũng

có khả năng bắt và cô đặc ion pertechnetat (TcO4) với phương thức tương tự như bắt Iod.Nhưng Tc-99m không được hữu cơ hoá mà chỉ được giữ lại trong tuyến giáp một thời gianngắn nhưng cũng đủ để ghi được hình ảnh tuyến giáp Tc-99m có ưu điểm là liều hấp thụthấp và chất lượng ghi hình tốt nên được dùng rộng rãi trong xạ hình tuyến giáp Tuy nhiênTc-99m không thay thế hoàn toàn I-131 trong ghi hình tuyến giáp, đặc biệt khi cần đánh giáhoạt động chức năng của các nhân giáp, ung thư tuyến giáp, tuyến giáp lạc chỗ và được sửdụng trong trường hợp điều trị cho bệnh nhân không có chỉ định phẫu thuật cắt bỏ tuyếngiáp do các yếu tố nguy cơ tiến triển bệnh thấp

Thiết bị ghi hình tuyến giáp thường được sử dụng trên lâm sàng hiện nay là máySPECT (Single Photon Emission Computed Tomography) là máy chụp cắt lớp phát xạ đơnphoton, một trong những thiết bị chẩn đoán hiện đại thuộc lĩnh vực y học hạt nhân

Chụp xạ hình SPECT là một phương pháp chẩn đoán hình ảnh hoạt động dựa trên sựphát xạ của một số chất phóng xạ đặc hiệu được đưa vào cơ thể người bệnh Không giốngnhư tạo ảnh siêu âm hay chụp cắt lớp điên toán Computed Tomography (CT), xạ hình bằngmáy SPECT sử dụng tấm thu phẳng thu nhận tia gamma để thu thập hình ảnh dữ liệu vềhoạt độ chất phóng xạ được đưa vào cơ thể Hệ thống xạ hình SPECT bao gồm một hoặcnhiều bộ thu tia gamma được gắn thành mảng trên một giá quay cho phép các bộ thu này

để xoay chính xác xung quanh bệnh nhân khi thu thập hình ảnh Đồng vị phóng xạ I-131với liều lượng thích hợp sẽ được đưa vào bệnh nhân và được thu nhận bằng máy SPECT Do

quá trình phân rã phóng xạ của I-131 sẽ phát ra các tia gamma từ trong cơ thể và được thunhận bởi các bộ thu tia gamma bên ngoài để xử lý, được dựng lại hình ảnh sự phân bố củacác nguồn phát phóng xạ trong cơ thể Do đó hình ảnh thu nhận được từ quá trình xạ hìnhSPECT sẽ cung cấp các thông tin về hoạt động trao đổi chất dẫn đến sự phân bố mật độchất phóng xạ I-131 khi chúng được đưa vào cơ thể xạ hình SPECT có thể hiển thị nhữngthay đổi của dòng máu chảy, chức năng và sự trao đổi chất của các cơ quan hoặc các tổnthương Đây là những thông tin rất cần thiết cho việc chẩn đoán và phát hiện sớm bệnh.Hình ảnh xạ hình SPECT đặc biệt quan trọng đối với lâm sàng trong chẩn đoán các bệnh

về tuyến giáp Qua kết quả chụp xạ hình tuyến giáp thì bác sĩ có thể đánh giá được kíchthước cũng như hình dạng tuyến giáp có gì bất thường hoặc bình thường, đồng thời cũngphát hiện được những vùng tế bào phát triển khác biệt so với phần còn lại của tuyến giáp

để chẩn đoán một số bệnh lý liên quan

Xạ hình tuyến giáp với I-131 bằng máy ảnh gamma hay máy SPECT trước điều trị làmột xét nghiệm có giá trị để phát hiện nhu mô giáp còn lại sau phẫu thuật, các ổ di cănung thư và cũng là một chỉ số để xác định liều điều trị cho bệnh nhân ung thư tuyến giápthể biệt hóa Xạ hình với I-131 nên tiến hành 4-6 tuần sau phẫu thuật cắt bỏ tuyến giáp khibệnh nhân đã ở tình trạng nhược giáp với TSH phải đạt từ 30 mUI/ml trở lên Ngoài ra, xạhình SPECT tuyến giáp nhằm giúp đánh giá nhân tuyến giáp phát hiện được trên lâm sàng,siêu âm, chụp cắt lớp điện toán là nhân "nóng"(nhân hấp thụ nhiều chất phóng xạ và hiệnhình trên ảnh) hay nhân "lạnh"(nhân giảm hoặc khuyết hoạt tính phóng xạ và không hiệnhình trên ảnh), tuyến giáp lạc chỗ, tế bào tuyến giáp còn lại trong cơ thể khi phẫu thuật cắt

bỏ toàn bộ tuyến giáp để từ đó có hướng giải quyết và tiên lượng cho tình trạng bệnh

Quy trình SCAN SPECT

Đầu vào: Quét toàn bộ

cơ thể (ANT, POST) Nghi ngờ?

Thực hiện chẩn đoán

Không

Chụp SPECT đầu cổ

Yes

Hình 1.4: Quy trình khám định kỳ tại bệnh viện

sẽ được đánh giá bằng các chỉ số như ACC, PPV, SEN, SPEC, F1 và AUC, và mô hình cóAUC cao nhất sẽ được chọn làm mô hình đề xuất

ACC là một thống kê độ chính xác hiển thị tỷ lệ giữa số mẫu được phân loại đúng của

mô hình và tổng số mẫu trong tập kiểm tra

1

Diện tích dưới đường cong ROC (AUC) giải thích mối liên hệ giữa độ nhạy (SEN) và

độ đặc hiệu (SPEC) với các ngưỡng khác nhau AUC nằm trong khoảng [0, 1], trong đó AUCbằng 1 tương ứng với SEN = 100% và SP EC = 100% Chúng tôi chọn mô hình có AUCcao nhất

1.2.6.2 Chỉ số phát hiện

Luận văn sử dụng chỉ số độ chính xác trung bình (mAP) thường được sử dụng để đánh giáđộng chính xác của mô hình phát hiện và mô hình phân đoạn mAP có giá trị thuộc khoảng[0, 1], trong đó mAP càng lớn thì mô hình detect càng chính xác Ngoài ra luận văn cũng đềxuất một thước đo mới đánh giá phù hợp với bối cảnh bài toán phát hiện mô giáp còn dư.mAP@a được tính trung bình trên AP của từng lớp với ngưỡng IOU bằng a cố định Khi

đó mAP@a đc tính theo công thức1.6 Luận văn sử dụng mAP@0.5 đánh giá cho công việcphát hiện mô giáp dư và mAP@0.3 để đánh giá với công việc phát hiện vai

Ta tính APi với mỗi lớp c theo những bước sau:

1 Sắp xếp các điểm tin cậy (confidence score) dự đoán cho mỗi khung chứa với lớp c theothứ tự giảm dần

2 Phân loại mỗi khung chứa thuộc TP (True Positive) hoặc FP (False Positive) dựa trênngưỡng IOU

3 Tính toán cặp giá trị hồi đáp (recall) = TP/(TP+FN) và độ chính xác (precision) =TP/(TP+FP) cho từng khung chứa

4 Vẽ đường cong PR (Precision-Recall curve) hình 1.5, sau đó nội suy 11 điểm cục bộnhư trong hình 1.6

0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0

Recall 0.3

Hình 1.5: Mẫu đường cong với 11 điểm nội suy sử dụng hồi đáp và độ chính xác của khung chứa dự đoán [ 14 ].

Hình 1.6: Bảng ví dụ minh họa cách xây dựng cặp giá trị hồi đáp và độ chính xác để tạo đường cong PR.

1.3 Tự động phát hiện mô giáp còn dư và đánh giá tình trạng

bệnh nhân sau phẫu thuật

1.3.1 Đặt vấn đề

Trong quy trình điều trị ung thư tuyến giáp thực tế ở Việt Nam, bệnh nhân sau khi đượcsiêu âm và chẩn đoán có u ung thư tuyến giáp sẽ được phẫu thuật cắt bỏ hoàn toàn tuyếngiáp Sau đó bệnh nhân được kiểm tra xem đã cắt bỏ sạch hoàn toàn tuyến giáp hay chưahay vẫn còn dư mô giáp Để làm được điều này bác sĩ phải dụng ảnh xạ hình SPECT củabệnh nhân cùng với ảnh siêu âm tuyến giáp và các xét nghiệm mẫu bệnh học Tất cả quytrình được thực hiện thủ công bằng mắt thường và kinh nghiệm của bác sĩ

Nhu cầu thực hiện các lần chụp hình cùng với nhiều xét nghiệm máu dẫn đến các quytrình vừa tốn thời gian vừa tốn kém cho cả bệnh nhân và bác sĩ Ngoài ra, điều này còn đặtgánh nặng đáng kể lên các bác sĩ, đặc biệt là khi số ca mắc ung thư tuyến giáp ở Việt Namngày càng tăng Phương pháp này cũng làm tăng nguy cơ sai sót trong chẩn đoán và điềutrị, chẳng hạn như sử dụng liều lượng quá mức có thể gây hại cho bệnh nhân

Tối ưu hóa quy trình chẩn đoán có giá trị rất cao vì nó giúp giảm thời gian và chi phíchẩn đoán cho bệnh nhân Hơn nữa, nó còn tăng năng suất và giảm bớt khối lượng công việccho các bác sĩ

Luận văn đề xuất một giải pháp giải quyết vấn đề trên bằng mô hình học sâu hỗ trợchẩn đoán và phát hiện mô tuyến giáp còn lại chỉ dựa trên hình ảnh chụp SPECT của bệnhnhân sau phẫu thuật

1.3.2 Thách thức

Chẩn đoán mô tuyến giáp còn lại gặp phải nhiều vấn đề lớn Thứ nhất, dữ liệu đường viền

cơ thể không rõ ràng dẫn đến nhiễu nền, khiến mô hình khó xác định chính xác vị trí cổ vàvai Thứ hai, các cơ quan không liên quan đến mô tuyến giáp, chẳng hạn như tuyến nướcbọt, dạ dày và tuyến niệu, cũng hấp thụ 131I Cuối cùng, phần nền của vị trí vai làm choviệc phân biệt tính đặc thù của khu vực trở nên khó khăn, và vị trí của nó có thể thay đổi,khiến việc xác định vị trí chính xác trở nên khó khăn Luận văn đề xuất một phương pháp

để phát hiện hai vị trí này bằng cách sử dụng hình ảnh hoặc chỉ số RSI để chẩn đoán thànhcông việc loại bỏ mô

1.4 Đóng góp

Luận văn áp dụng phương pháp học sâu với kiến trúc phù hợp và thực hiện tiền xử lý dữliệu đúng cách để giải quyết vấn đề đã nêu trong Mục1.3.1, Mục 1.3.2và sẽ chứng minh kếtquả với độ chính xác cao và thời gian xử lý nhanh Đóng góp của luận văn vào quy trìnhđiều trị ung thư tuyến giáp hiện tại bao gồm:

• Đề xuất phương pháp đánh giá tình trạng mô tuyến giáp còn lại chỉ sử dụng hình ảnhSPECT

• Đề xuất phương pháp phát hiện mô tuyến giáp còn lại

• Đề xuất biện pháp đánh giá độ chính xác của việc phát hiện mô tuyến giáp còn lại phùhợp với quy trình điều trị thực tế

• Cung cấp các phương pháp tiền xử lý và tăng cường dữ liệu phù hợp cho dữ liệu hìnhảnh SPECT với nhiều nhiễu và viền cơ thể mờ

• Luận văn đề xuất chỉ số RSI có thể được sử dụng để xác định sự hiện diện của mô tuyếngiáp còn lại chỉ dựa trên hình ảnh SPECT, từ đó cung cấp một thước đo tiêu chuẩn đểđánh giá sự hiện diện của mô tuyến giáp dư

Luận văn được chia thành 5 chương như sau:

Chương 1: Giới thiệu Mục đích của chương này là giới thiệu vấn đề đánh giá môtuyến giáp còn lại và các thách thức khi sử dụng AI để chẩn đoán và đánh giá tình trạng

mô Chương này cũng phác thảo các mục tiêu chính và đóng góp của luận văn

Chương 2: Các công trình liên quan Chương này cung cấp tổng quan về cácnghiên cứu trước đây liên quan đến chủ đề của luận văn Chương này cũng nêu bật nhữnghạn chế và các vấn đề chưa được giải quyết của các nghiên cứu này Dựa trên những hạn chế

đó, chương mô tả các đóng góp chính của luận văn trong việc đề xuất một mô hình cải tiến

và mới ở Chương 3

Chương 3: Phát hiện mô tuyến giáp còn lại Chương này trình bày mô hình đềxuất và các đóng góp cụ thể của luận văn nhằm cải thiện những hạn chế được nêu trongChương 2

Chương 4: Thí nghiệm Chương này mô tả các thí nghiệm được thực hiện bằng môhình đề xuất để thực hiện hai nhiệm vụ: chẩn đoán mô tuyến giáp còn lại và xác định sựhiện diện của nó Thí nghiệm đã chứng minh rằng mô hình đề xuất đạt độ chính xác caohơn so với các mô hình trước đây và giới thiệu một cách tiếp cận mới để xác định mô tuyếngiáp còn lại trên hình ảnh chụp SPECT.

Chương 5: Kết luận Chương này tóm tắt quá trình nghiên cứu trong luận văn cũngnhư đề xuất các hướng nghiên cứu trong tương lai

Chương 2: Nghiên cứu liên quan

Các ứng dụng của trí tuệ nhân tạo đang ngày càng phát triển nở rộ với tốc độ nhanh và đivào nhiều lĩnh vực của xã hội Trong lĩnh vực ảnh y tế nói chung và ảnh y tế cho tuyến giápnói riêng, trí tuệ nhân tạo có thể được ứng dụng trực tiếp vào để cải thiện độ chính xác trongchuẩn đoán, tiên lượng cũng như hiểu ảnh, từ đó làm giảm khối lượng công việc của bác sĩ.UTTG là một lĩnh vực mới tiềm năng để ứng dụng AI Nội dung của phần này sẽ thảo luận

2 cách tiếp cận đang được sử dụng để hiểu và đưa ra chuẩn đoán dựa trên ảnh là phươngpháp học máy và phương pháp học sâu

Các phương pháp học máy được sử dụng để dự đoán tính lành tính hay ác tính của các nốttuyến giáp và chẩn đoán các bệnh lý liên quan đến tuyến giáp Nghiên cứu trong lĩnh vựcnày thường bao gồm một quy trình ba bước, như minh họa trong Hình 2.1, bao gồm tríchxuất đặc trưng, chọn đặc trưng và phân loại Trong giai đoạn trích xuất đặc trưng, chúng tôixác định các vùng quan tâm (ROI) và trích xuất các đặc trưng từ các vùng ROI đó Phânđoạn ảnh là một khía cạnh quan trọng của phương pháp này, trong đó hình dạng của đườngviền tổn thương là yếu tố cho thấy liệu tổn thương đó có lành tính hay ác tính

Trong nghiên cứu của mình, Chan và cộng sự [7] đã trích xuất sáu đặc trưng cấu trúc

từ vùng ROI trong ảnh siêu âm của tuyến giáp bệnh nhân Các đặc trưng này bao gồm đặctrưng Haar wavelet, đặc trưng đồng nhất, biểu đồ đặc trưng (histogram), BDIP và NMSID.Các đặc trưng này sau đó được đưa vào mạng nơ-ron RBF để ước tính phân loại ảnh tuyếngiáp đã phân đoạn và ước tính thể tích của tuyến giáp bằng phương pháp mở rộng vùng cụthể (specific-region-growing) Nhóm nghiên cứu đã đạt được kết quả phân loại với độ chínhxác cao, với độ chính xác đạt 96,52%, độ đặc hiệu đạt 97,61%, và độ nhạy đạt 91,58% Đốivới bài toán ước tính thể tích, phương pháp đạt độ chính xác 96,52%, độ nhạy 91,58%, và

độ đặc hiệu 97,61%

Hình 2.1: Quy trình chung của phương pháp học máy trong phân loại và chẩn đoán bệnh tuyến giáp [ 7 ].

Selvathi [23] đề xuất một phương pháp để phân đoạn tuyến giáp trên các ảnh siêu âm.Ngoài 6 đặc trưng tương tự như của Chan và cộng sự, tác giả còn sử dụng thêm các đặctrưng như giá trị trung bình, phương sai, hệ số biến thiên cục bộ và sử dụng các phươngpháp phân loại học máy cực trị (Extreme Learning Machine) và SVM Đặc trưng hình thái

mô tả hình dạng và đường viền của khối u, do đó có thể được coi là thống kê bậc một cùngvới diện tích, độ trơn tru và tính đối xứng Lựa chọn đặc trưng cũng là một bước quan trọngtrong phương pháp này Phương pháp đạt kết quả phân đoạn tốt với độ chính xác là 93,56%.Nghiên cứu được trình bày trong [22] đề xuất một kỹ thuật để phân biệt giữa bệnhnhân bị cường giáp và suy giáp dựa trên hình ảnh siêu âm Nghiên cứu so sánh ba phươngpháp lựa chọn đặc trưng: Loại bỏ Đặc trưng đệ quy (RFE), Lựa chọn đặc trưng đơn biến(UFS) và Phân tích thành phần chính (PCA) Các bộ phân loại khác nhau như Máy Vector

Hỗ trợ (SVM), Hồi quy logistic (LR), Rừng ngẫu nhiên (RF) và Naive Bayes (NB) đã được

sử dụng để thực hiện dự đoán Mục đích của nghiên cứu này là hỗ trợ chẩn đoán sớm cườnggiáp ở bệnh nhân bằng cách sử dụng các chỉ số hormone tuyến giáp như TSH, T3, T4, FT3

và FT4 Phương pháp chọn đặc trưng RFE được tìm thấy là chính xác nhất, đạt độ chínhxác phân loại 99,37%

Trong những năm gần đây, các kỹ thuật học sâu đã phát triển nhanh chóng trong các tác vụthị giác máy tính, đặc biệt là thông qua việc sử dụng mạng CNN Một trong những lợi íchchính của việc sử dụng CNN là khả năng tự động học các đặc trưng trừu tượng từ dữ liệuthông qua quá trình huấn luyện end-to-end, giúp cải thiện độ chính xác Do đó, nhiều nhómnghiên cứu đã đề xuất các khung học sâu cho các tác vụ phát hiện, phân đoạn và nhận dạng

Ma [18] đã phát triển một mô hình học sâu để phân loại ba loại bệnh tuyến giáp, cụthể là Graves, Hashimoto và viêm tuyến giáp bán cấp, bằng cách sử dụng học chuyển giao từ

mô hình DenseNet trên các hình ảnh SPECT tuyến giáp Nghiên cứu đã điều chỉnh kiến trúcDenseNet bằng cách thêm các tham số có thể huấn luyện vào các kết nối bỏ qua, giúp cảithiện quá trình huấn luyện Kết quả thí nghiệm cho thấy đây là một phương pháp hiệu quảtrong việc hỗ trợ chẩn đoán các bệnh tuyến giáp, với điểm F1 đạt 98,15% cho bệnh Graves,98,5% cho bệnh Hashimoto, 99,34% cho bệnh bán cấp, và 100% cho các trường hợp khôngmắc bệnh

Liu [17] giới thiệu một hệ thống chẩn đoán hỗ trợ bằng máy tính (CAD) tự động pháthiện khối u tuyến giáp và xác định loại của chúng dựa trên hình ảnh siêu âm Ban đầu, hệthống phát hiện khối u bằng cách phân tích các đặc trưng hình ảnh được trích xuất ở nhiều

tỉ lệ khác nhau, có tính đến các thông số lâm sàng như kích thước và hình dạng của khối u.Các vùng có đề xuất khối u sau đó được xử lý qua một bộ phân loại đa nhánh để trích xuấtđặc trưng, sau đó được kết hợp lại để dự đoán khối u là lành tính hay ác tính Phương pháp

đề xuất trong nghiên cứu đã đạt được độ chính xác chẩn đoán trung bình 97,3% trên hai tập

dữ liệu kiểm tra riêng biệt

Guo và cộng sự [10] đề xuất một phương pháp tinh chỉnh mạng ResNet-18 trên dữ liệuhình ảnh SPECT để phân loại xem bệnh nhân có còn mô tuyến giáp dư hay không Hìnhảnh SPECT của bệnh nhân được tiền xử lý để cải thiện chất lượng và loại bỏ nền Hình ảnhsau khi xử lý được đưa vào mạng ResNet-18 để trích xuất đặc trưng và được phân loại hailớp nhằm chẩn đoán mô tuyến giáp dư Nghiên cứu được thực hiện trên 446 hình ảnh bệnhnhân, trong đó 335 ảnh được sử dụng để huấn luyện và 111 ảnh được sử dụng để kiểm tra.Các tác giả đã đạt được kết quả tốt với độ chính xác 96,69%, độ nhạy 94,75%, độ đặc hiệu96,6%, độ chính xác 99,96%, và AUC là 0,988

Độ chính xác của mô hình phụ thuộc rất nhiều vào chất lượng của hình ảnh SPECTđầu vào Hình ảnh SPECT ban đầu thường bị ảnh hưởng bởi nhiều loại nhiễu khác nhau,chẳng hạn như bóng nền và các lỗi viền, vì vậy cần có bước tiền xử lý để loại bỏ nhiễu

và nâng cao chất lượng hình ảnh Hình ảnh SPECT được áp dụng phương pháp cân bằnghistogram để làm rõ đường viền cơ thể, như được minh họa trong Hình2.2 Hình ảnh sau đóđược xử lý bằng thuật toán GrabCut để phân đoạn các phần cơ thể và loại bỏ các phần nềnkhông cần thiết

Nghiên cứu đã đạt được kết quả tốt, tuy nhiên vẫn còn một số vấn đề chưa được giảiquyết Thứ nhất, nghiên cứu hiện tại chủ yếu xử lý các trường hợp có đường viền cơ thể

rõ ràng, do đó thuật toán GrabCut mới có thể hoạt động tốt Tuy nhiên, trong thực tế, độ

Hình 2.2: Ảnh hưởng của cân bằng histogram đến việc nâng cao chất lượng hình ảnh SPECT [ 10 ].

tương phản giữa cơ thể và nền phụ thuộc vào cơ thể bệnh nhân, nên sẽ có nhiều trường hợpđường viền cơ thể không rõ ràng Thứ hai, nghiên cứu chưa phân tích xem mô hình có chẩnđoán vùng cổ giống như các bác sĩ hay không, hay chỉ đơn thuần dự đoán dựa trên dữ liệuhuấn luyện Sẽ hữu ích hơn cho các bác sĩ nếu có một chỉ số thống nhất để phân loại thay vìchỉ dựa vào mô hình chẩn đoán, vì chẩn đoán của mô hình không có tính giải thích rõ ràng.Abdolali và cộng sự [1] đã tinh chỉnh kiến trúc Mask R-CNN với hàm mất mát đượcthiết kế lại để phù hợp với bài toán phát hiện biên theo kiểu end-to-end Đầu vào của môhình là ảnh siêu âm tuyến giáp của bệnh nhân, và đầu ra là kết quả khung chứa cho các nốttuyến giáp Nghiên cứu sử dụng một tập dữ liệu gồm 2461 khung hình từ 60 bệnh nhân đểhuấn luyện và 820 khung hình từ 20 bệnh nhân để kiểm tra Do lượng dữ liệu hạn chế, kỹthuật tăng cường dữ liệu được áp dụng để tăng số lượng dữ liệu Phương pháp đề xuất có thểphát hiện nhiều loại mô tuyến giáp khác nhau và cho kết quả thí nghiệm tốt, với mAP@0.5đạt 0,82 khi sử dụng kiến trúc ResNet-50 làm backbone

Mask R-CNN là phiên bản nâng cao của Faster R-CNN, bao gồm một nhánh phân

đoạn, nghĩa là hàm mất mát của mô hình hiện bao gồm hai thành phần: phát hiện và phânđoạn Công thức2.1 mô tả hàm mất mát cho Mask R-CNN Vì phát hiện biên đối tượng làtrọng tâm chính của bài nghiên cứu, nên trọng số của hàm mất mát phát hiện được tăng caovới λ1 = 0.9, trong khi phân đoạn được gán trọng số thấp hơn với λ2 = 0.7.

[h]L = Lcls+ λ1Lbox+ λ2Lmask (2.1)

Kỹ thuật tăng cường dữ liệu được sử dụng trong bài báo để tránh quá khớp bao gồmlật, xoay, dịch chuyển và thu phóng, vì việc áp dụng các kỹ thuật khác như biến dạng cắt(shearing) và biến dạng đàn hồi (elastic deformations) cho kết quả kém do làm tăng nhiễutrong ảnh

Các nhà nghiên cứu trong nghiên cứu này đã tiến hành thí nghiệm với nhiều backbonekhác nhau, bao gồm ResNet50, ResNet101, FPN, và Inception V2 Kết quả cho thấy mô hìnhphát hiện đạt hiệu suất cao nhất khi sử dụng backbone ResNet-50 kết hợp với FPN

Các phương pháp khác của cách tiếp cận này có thể được tìm thấy trong bài khảo sátcủa Akkus [2]

Mặc dù phương pháp đề xuất mang lại kết quả khả quan, nhưng vẫn còn một số hạnchế Chẳng hạn, độ chính xác trong việc phát hiện các nốt tuyến giáp nhỏ (dưới 3 cm đườngkính) chưa đạt yêu cầu, và mô hình có xu hướng nhầm lẫn các nốt tuyến giáp với các cấutrúc giải phẫu lân cận Hơn nữa, tập dữ liệu thí nghiệm được sử dụng trong nghiên cứu nàytương đối nhỏ, khiến cho việc đánh giá khách quan trở nên khó khăn Để khắc phục nhữnghạn chế này, các nghiên cứu trong tương lai có thể tập trung vào việc phát hiện mô tuyếngiáp còn sót lại trên ảnh xạ hình SPECT, một lĩnh vực chưa được khám phá, khác với ảnh

CT và siêu âm nơi ranh giới giữa các đối tượng rõ ràng hơn, trong khi ảnh SPECT có thểkhá mờ

Chương 3: Tự động phát hiện mô giáp còn dư

và đánh giá tình trạng bệnh nhân sau phẫu thuật

Chương này của luận văn sẽ trình bày các kỹ thuật được sử dụng để phát hiện mô tuyếngiáp dư trong các nghiên cứu trước, cũng như chẩn đoán mô tuyến giáp còn sót lại sau phẫuthuật Những hạn chế của các phương pháp trước đây cũng sẽ được thảo luận, cùng với cácgiải pháp đề xuất để khắc phục

tuyến giáp

3.1.1 Các vấn đề

Sau khi phẫu thuật cắt bỏ ung thư tuyến giáp, bệnh nhân được dùng một lượng nhỏ131I Đểchẩn đoán mô tuyến giáp còn sót lại trong cơ thể bệnh nhân, chụp cắt lớp phát xạ đơn photon(SPECT) được sử dụng Tuy nhiên, việc phân tích hình ảnh SPECT bằng mắt thường gây

ra những thách thức đáng kể cho bác sĩ trong việc xác định chính xác sự hiện diện của môtuyến giáp còn sót Do đó, một hệ thống phân loại tự động hiệu quả và chính xác cho môtuyến giáp còn sót sẽ rất có lợi trong quá trình điều trị, giúp giảm thiểu tình trạng quá liều

do việc tiếp tục sử dụng131I cho bệnh nhân không có mô tuyến giáp còn sót

3.1.2 Mô hình phân loại để chẩn đoán mô tuyến giáp còn sót

Luận văn đề xuất kiến trúc ResNet50 để chẩn đoán mô tuyến giáp còn sót lại sau phẫu thuật,dựa trên nghiên cứu của Guo và cộng sự Tuy nhiên, khác với nghiên cứu của Guo và cộng

sự, luận văn sử dụng dữ liệu thực tế được thu thập từ Bệnh viện Trung ương Quân đội 108,

bao gồm nhiều trường hợp với các mức độ rõ nét của đường viền cơ thể khác nhau, từ rõràng đến rất mờ.

Phương pháp đề xuất giải quyết những hạn chế của các nghiên cứu trước bằng cách xử

lý dữ liệu dễ với độ tương phản cao và giải thích ảnh hưởng của chất lượng hình ảnh đến dựđoán của mô hình Chúng tôi chia tập dữ liệu thành các ví dụ đơn giản và phức tạp và phântích kết quả cho từng nhóm Quy trình làm việc của giải pháp được mô tả trong Hình3.1

Raw data from

hospital

Crop individual HN of ANT, POST WB

Histogram equalization Pretrained model

Data analysis

Evaluation, wrong cases analysis

Spliting train, validation, tess

Source data

Optimize parameter

by training with SPECT scintigraphy ImageNet Dataset

Hình 3.1: Trình tự của phương pháp được đề xuất trong luận văn bao gồm bốn giai đoạn liên tiếp, mỗi giai đoạn bao gồm nhiều quy trình, tạo thành một giải pháp end-to-end.

3.1.2.1 Đầu vào và đầu ra

Đầu vào của mô hình là hình ảnh SPECT của bệnh nhân Các hình ảnh xạ hình SPECT,

có kích thước 1179×100 pixel, được nén dưới định dạng JPEG Nhóm không nghi ngờ (dễ)

đề cập đến các trường hợp mà hình ảnh xạ hình SPECT đủ để chẩn đoán, bao gồm hai lầnquét toàn thân (WB), cụ thể là phía trước (ANT) và phía sau (POST) Ngược lại, nhómnghi ngờ (khó) yêu cầu thêm thông tin lâm sàng và hình ảnh xạ hình SPECT của vùng đầu

và cổ (HN) để đi đến chẩn đoán

Đầu ra của mô hình là chẩn đoán bệnh nhân có tồn dư mô tuyến giáp (1) hoặc khôngtồn dư (0) Do đó, vấn đề chẩn đoán có tồn dư mô tuyến giáp hay không thuộc vào loại phânloại nhị phân